اپلیکیشن اندرویدی فلش‌کارت آموزشی کشف مرزهای بیز: تحلیل توابع لگاریتمی حاشیه‌ای چندجمله‌ای و فرمول تویدی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کشف مرزهای بیز: تحلیل توابع لگاریتمی حاشیه‌ای چندجمله‌ای و فرمول تویدی

موضوع کلی: استنباط آماری

موضوع میانی: بیز تجربی و مبانی نظری آن

📋 سرفصل‌های دوره

• 1. مقدمه ای بر استنباط آماری و مدل های بیزی
• 2. احتمال شرطی و قانون بیز: مبانی نظری
• 3. توزیع های پیشین (Prior Distributions): انتخاب و تاثیر
• 4. توزیع پسین (Posterior Distribution): محاسبه و تفسیر
• 5. توزیع حاشیه‌ای (Marginal Distribution): اهمیت و روش های محاسبه
• 6. مقدمه ای بر بیز تجربی (Empirical Bayes): انگیزه و کاربردها
• 7. مقایسه بیز تجربی با بیز کامل (Full Bayes) و بیشینه احتمال (Maximum Likelihood)
• 8. روش های تخمین پارامتر در بیز تجربی
• 9. توابع لگاریتمی حاشیه‌ای (Log-Marginal Functions): تعریف و خواص
• 10. چند جمله‌ای ها (Polynomials): مبانی جبری و تحلیلی
• 11. ارتباط چند جمله‌ای ها با توابع لگاریتمی حاشیه‌ای
• 12. فرمول تویدی (Tweedie's Formula): بیان و تفسیر
• 13. نقش فرمول تویدی در بیز تجربی
• 14. اثبات فرمول تویدی: گام به گام
• 15. شرایط لازم برای اعمال فرمول تویدی
• 16. خانواده توزیع تویدی (Tweedie Exponential Family): ویژگی ها و کاربردها
• 17. ارتباط خانواده توزیع تویدی با بیز تجربی
• 18. تخمین پارامتر در خانواده توزیع تویدی
• 19. مثال های کاربردی از خانواده توزیع تویدی در بیز تجربی
• 20. تابع لگاریتمی حاشیه‌ای چند جمله‌ای: تعریف و اهمیت
• 21. شرایط لازم برای چند جمله‌ای بودن تابع لگاریتمی حاشیه‌ای
• 22. ارتباط چند جمله‌ای بودن تابع لگاریتمی حاشیه‌ای با فرمول تویدی
• 23. مدل های بیزی با تابع لگاریتمی حاشیه‌ای چند جمله‌ای
• 24. تحلیل حساسیت در مدل های بیزی تجربی
• 25. روش های اعتبار سنجی مدل های بیزی تجربی
• 26. ارزیابی کارایی بیز تجربی در مقایسه با سایر روش ها
• 27. نرمال سازی توابع لگاریتمی حاشیه‌ای: تکنیک ها و چالش ها
• 28. محاسبه انتگرال در بیز تجربی: روش های عددی و تحلیلی
• 29. روش های تقریبی بیز (Approximate Bayesian Computation - ABC)
• 30. زنجیره مارکوف مونت کارلو (Markov Chain Monte Carlo - MCMC) و بیز تجربی
• 31. واریانس مجانبی (Asymptotic Variance) در بیز تجربی
• 32. قضیه حد مرکزی (Central Limit Theorem) و بیز تجربی
• 33. فاصله کولبک-لایبلر (Kullback-Leibler Divergence) و بیز تجربی
• 34. انتخاب مدل در بیز تجربی: معیار های اطلاعاتی
• 35. رگرسیون بیزی تجربی: مدل ها و کاربردها
• 36. طبقه بندی بیزی تجربی: مدل ها و کاربردها
• 37. سری های زمانی بیزی تجربی: مدل ها و کاربردها
• 38. تحلیل بقا بیزی تجربی: مدل ها و کاربردها
• 39. تحلیل داده های مکانی بیزی تجربی: مدل ها و کاربردها
• 40. کاربرد بیز تجربی در ژنتیک
• 41. کاربرد بیز تجربی در اقتصاد سنجی
• 42. کاربرد بیز تجربی در پردازش تصویر
• 43. کاربرد بیز تجربی در یادگیری ماشین
• 44. کاربرد بیز تجربی در داده کاوی
• 45. مقایسه بیز تجربی با روش های یادگیری ماشین
• 46. انتخاب پیشین (Prior Selection) در بیز تجربی: رویکرد های مختلف
• 47. اثر انتخاب پیشین بر نتایج بیز تجربی
• 48. روش های غیر پارامتری در بیز تجربی
• 49. فرآیندهای گوسی (Gaussian Processes) و بیز تجربی
• 50. مدل های فضای حالت (State-Space Models) و بیز تجربی
• 51. مدل های ترکیبی (Mixture Models) و بیز تجربی
• 52. مدل های سلسله مراتبی (Hierarchical Models) و بیز تجربی
• 53. روش های بهینه سازی در بیز تجربی
• 54. بهینه سازی امید ریاضی (Expectation-Maximization Algorithm - EM) و بیز تجربی
• 55. روش های گرادیانی (Gradient-Based Methods) و بیز تجربی
• 56. بیز تجربی آنلاین (Online Empirical Bayes)
• 57. بیز تجربی در مقیاس بزرگ (Large-Scale Empirical Bayes)
• 58. توزیع‌های مزدوج (Conjugate Priors): تعریف و اهمیت
• 59. توزیع گاما (Gamma Distribution) و کاربردهای آن
• 60. توزیع بتا (Beta Distribution) و کاربردهای آن
• 61. توزیع دیریکله (Dirichlet Distribution) و کاربردهای آن
• 62. تبدیلات متغیرها در استنباط بیزی
• 63. تخمین بازه ای (Interval Estimation) در بیز تجربی
• 64. آزمون فرضیه (Hypothesis Testing) در بیز تجربی
• 65. عوامل بیز (Bayes Factors) و کاربردهای آن
• 66. بررسی مدل (Model Checking) در بیز تجربی
• 67. تشخیص داده های دورافتاده (Outlier Detection) در بیز تجربی
• 68. مدل سازی عدم قطعیت (Uncertainty Quantification) در بیز تجربی
• 69. دقت و صحت (Accuracy and Precision) در بیز تجربی
• 70. مشکلات محاسباتی در بیز تجربی و راه حل ها
• 71. پیاده سازی بیز تجربی با استفاده از R
• 72. پیاده سازی بیز تجربی با استفاده از Python
• 73. پیاده سازی بیز تجربی با استفاده از Stan
• 74. پیاده سازی بیز تجربی با استفاده از JAGS
• 75. بیز تجربی و یادگیری عمیق (Deep Learning)
• 76. شبکه های عصبی بیزی (Bayesian Neural Networks)
• 77. بیز تجربی و استنباط علّی (Causal Inference)
• 78. مدل های گرافیکی بیزی (Bayesian Network)
• 79. بررسی مقاله Polynomial Log-Marginals and Tweedie's Formula: جزئیات و بسط
• 80. کاربرد توابع مولد (Generating Functions) در بیز تجربی
• 81. بسط تیلور (Taylor Expansion) و کاربرد آن در تقریب توابع
• 82. بررسی شرایط همگرایی (Convergence) در بیز تجربی
• 83. مقدمه ای بر آنالیز حقیقی (Real Analysis) و کاربرد آن در بیز تجربی
• 84. مقدمه ای بر آنالیز مختلط (Complex Analysis) و کاربرد آن در بیز تجربی
• 85. استفاده از قضیه باقی مانده (Residue Theorem) در بیز تجربی
• 86. استفاده از تبدیل لاپلاس (Laplace Transform) در بیز تجربی
• 87. استفاده از تبدیل فوریه (Fourier Transform) در بیز تجربی
• 88. توابع ویژه (Eigenfunctions) و مقادیر ویژه (Eigenvalues) در بیز تجربی
• 89. فضاهای هیلبرت (Hilbert Spaces) و کاربرد آن در بیز تجربی
• 90. تحلیل عملکرد مجانبی الگوریتم های بیز تجربی
• 91. کاربرد روش های مونت کارلو (Monte Carlo) در بیز تجربی
• 92. انتقال گام های پیشنهادی در MCMC (Proposal Distribution Tuning)
• 93. تخمین تراکم (Density Estimation) در بیز تجربی
• 94. حل معادلات دیفرانسیل با روش های بیزی (Bayesian Differential Equations)
• 95. بیز تجربی برای داده های گمشده (Missing Data)
• 96. بیز تجربی برای داده های بزرگ (Big Data)
• 97. تحلیل داده های متنی با روش های بیزی تجربی (Bayesian Text Analysis)
• 98. چالش های جاری و تحقیقات آینده در بیز تجربی
• 99. مروری بر منابع و مراجع پیشرفته در بیز تجربی
• 100. مطالعه موردی: کاربرد بیز تجربی در یک مسئله واقعی